backpass 是一个面向 AI 编程代理（如 Claude、Codex、Cursor CLI、opencode 等）的本地优先“记忆文件优化”工具。它会读取本机已有的代理会话 transcript，把真实开发过程中的失败、重复问题和有效指令提炼出来，并基于证据为 AGENTS.md、CLAUDE.md 等长期记忆文件提出小步、可审查的修改建议。它不会自动改写项目文件，只有执行 backpass apply 并由人工逐条确认后才会写入。
适用领域
AI 编程代理 / Agent Memory 管理 / 开发者工具 / 代码助手工作流优化 / 本地 transcript 分析 / 提示词工程 / LLM 工程实践 / 软件工程自动化
配置难度
中等。普通前端或 Node.js 开发者可以按 npm 安装和命令行使用，但要真正发挥价值，需要理解 AGENTS.md/CLAUDE.md、AI agent transcript、acpx、token budget、证据门禁和多 harness 会话路径。团队落地时还需要制定人工审核流程和隐私边界。
商业价值
对重度使用 AI 编程代理的团队有较高潜在价值。它把零散的 AI 会话经验转化为可审查、可迭代的团队记忆文件，有助于减少重复错误、提升 agent 遵循项目规范的概率，并控制常驻上下文成本。对于 AI 原生研发团队、代码助手平台团队、DevTools 团队和强调工程规范的组织，它可以作为 agent memory 运维工具；但对于很少使用 AI 编程代理、没有长期 transcript 积累或对数据进入第三方模型极度敏感的团队，短期收益可能有限。
01
技术亮点
- 本地优先：直接读取本机 transcript store，不把会话上传到 backpass 自有服务。
- 支持多个主流 AI agent harness，包括 Claude、Codex、Cursor CLI、opencode、Grok、Hermes、Pi。
- 证据驱动：每个建议都必须包含真实会话中的逐字引用，缺少引用的 claim 会被丢弃。
- 人类审核：分析阶段永不写入，只有 backpass apply 且用户接受后才会修改文件。
- 渐进式优化：一次运行最多提出少量编辑，避免大规模重写 AGENTS.md。
- token 预算意识强：将 memory file 视作常驻上下文成本，并在预算内优化。
- 支持 gap ledger：单次会话发现的问题不会立刻变成新规则，只有跨 session 重复出现才会升级为建议。
- 有安全保护：明显 secrets 会在发送给已认证 agent 前被 redacted。
- 可增量扫描和缓存：适合存在大量 Codex rollout 或长期历史会话的用户。
- 对模型输出设置机械门禁：限制编辑数量、要求证据、要求预算合规、禁止未解释变更。
02
目标用户
- 频繁使用 Claude Code、Codex、Cursor CLI、opencode、Grok、Hermes、Pi 等 AI 编程工具的开发者
- 维护 AGENTS.md、CLAUDE.md 或类似 AI 指令文件的团队
- 希望从真实 AI 编程会话中沉淀团队规范的工程团队
- 关注代码助手行为一致性、长期记忆质量和 token 成本的高级用户
- 希望在本地环境分析 AI 会话且不上传 transcript 的隐私敏感团队
03
配置要求
- 需要 Node.js 22.5 或更高版本。
- 需要 acpx 可执行文件在 PATH 中。
- backpass 本身没有 API Key 配置；模型调用通过 acpx 转发到用户已认证的 agent harness。
- 需要本机存在受支持工具的会话存储，支持 claude、codex、pi、opencode、grok、cursor CLI、hermes。
- 项目中通常需要存在 AGENTS.md 或 CLAUDE.md 等记忆文件，否则需要根据工具初始化或配置。
- 初始化后会生成 .backpassrc.json，可配置 tokenBudget、maxTranscripts、sampleHalfLife、minGapEvidence、gapLedgerMaxAge、maxEditsPerRun 等参数。
- 默认 token 预算约为 5000 estimated tokens，估算方式为 bytes/4。
- 默认每次最多提出 5 个编辑；当文件超预算时会进入 shrink plan，允许更多收缩型编辑，但仍有上限。
- 新指令默认至少需要来自 2 个独立 session 的证据。
- 运行过程中会在 .backpass/ 下维护扫描缓存、loss 缓存、gap ledger 和 synthesis staging copy。
04
适用场景
- 根据历史 AI 编程会话自动发现 AGENTS.md 中缺失、过时或无效的指令
- 将多次会话中反复出现的问题转化为有证据支持的新规则
- 在 token 预算内压缩、重写或删除过长的 agent memory 文件
- 把窄场景、条件触发的指令从主记忆文件提取为 skill，降低常驻上下文成本
- 审查 AI 代理过去的失败模式，例如违反测试流程、误用命令、忽略项目约定等
- 为多种 agent harness 统一建立本地 session 反馈闭环
- 在团队项目中逐步优化 AI 编程代理的默认行为，而不是人工凭记忆维护规则
05
部署与配置
- 确保系统为 macOS 或 Linux。
- 安装 Node.js，版本要求为 Node >= 22.5。
- 安装并配置 acpx，且确保 acpx 在 PATH 中可用。
- 全局安装：npm install -g backpass。
- 也可以不安装直接运行：npx backpass。
- 进入目标代码仓库目录：cd your-repo。
- 初始化配置：backpass init。该命令会写入 .backpassrc.json，并将 .backpass/ 加入 .git/info/exclude。
- 执行分析：backpass。该命令会收集样本、计算 loss、聚合 gradients 并生成建议，但不会写入记忆文件。
- 应用建议：backpass apply。逐条查看每个编辑及证据，接受或拒绝后才会写入。
06
风险与注意事项
- 项目依赖本机 agent transcript 存储格式，如果上游工具改变数据结构，可能出现跳过或解析失败。
- 需要 Node >= 22.5，版本要求较新，部分开发环境可能需要升级。
- 需要额外安装 acpx，并依赖用户已认证的 harness 进行模型调用，初次配置有一定门槛。
- 虽然强调本地优先，但 loss 计算和 synthesis 仍会通过 acpx 调用用户已认证的模型或 agent，因此敏感 transcript 仍可能进入用户所用模型服务的上下文。
- secret redaction 只能覆盖明显敏感信息，不能保证消除所有隐私或商业机密泄露风险。
- 建议质量取决于历史会话质量；如果 transcript 噪声大、会话数量少或团队行为不一致，产生的建议可能价值有限。
- 只支持 macOS 和 Linux，Windows 用户可能需要 WSL 或其他方案。
- 对中文项目和中文会话的表现取决于所用模型与 transcript 内容，README 未明确说明中文优化能力。
- 自动从历史行为沉淀规则可能固化错误习惯，需要人工审查避免把临时问题写成长期规范。
- 仓库星标约 306，生态仍较早期，企业级稳定性和长期维护需要进一步观察。
2026-08-26
第23名
新收录 · github_search
